Python Pandas DataFrame: упражнения, практика, решение

[ Внизу страницы доступен редактор для написания и выполнения скриптов. ]

Pandas DataFrame [81 упражнение с решением]

1. Напишите программу для Pandas для поэлементного получения степеней значений массива. Перейдите в редактор
Примечание. Первые элементы массива возведены в степень из второго массива
Примеры данных: {‘X’: [78,85,96,80,86], ‘Y’: [ 84,94,89,83,86], ‘Z’: [86,97,96,72,83]}
Ожидаемый результат:
XYZ
0 78 84 86
1 85 94 97
2 96 89 96
3 80 83 72
4 86 86 83
Щелкните меня, чтобы увидеть образец решения

2. Напишите программу Pandas для создания и отображения DataFrame из указанных данных словаря, которые имеют метки индекса. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
попыток имя квалификационный балл
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
…. i 2 Кевин нет 8,0
j 1 Йонас да 19,0
Щелкните меня, чтобы увидеть образец решения

3. Напишите программу Pandas для отображения сводной информации об указанном DataFrame и его данных. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Резюме основной информации об этом DataFrame и его данных:

Индекс: 10 записей, от a до j
Столбцы данных (всего 4 столбца):
…. dtypes: float64 (1), int64 (1), object (2)
использование памяти: 400. 0+ байт
Нет
Щелкните меня, чтобы увидеть пример решения

4. Напишите программу Pandas, чтобы получить первые 3 строки данного DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Первый три строки фрейма данных:
имя попытки квалифицировать оценку
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
c 2 Катерина да 16,5
Щелкните меня, чтобы увидеть образец решения

5. Напишите программу Pandas, чтобы выбрать столбцы «имя» и «оценка» из следующего фрейма данных. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Выбрать конкретные столбцы:
имя оценка
a Анастасия 12,5
b Дима 9,0
c Катерина 16,5
… h Лаура NaN
i Kevin 8.0
j Jonas 19.0
Щелкните меня, чтобы увидеть образец решения

6. Напишите программу Pandas, чтобы выбрать указанные столбцы и строки из заданного фрейма данных. Перейдите в редактор.
Образец данных словаря Python и меток списка:
Выберите столбцы «имя» и «оценка» в строках 1, 3, 5, 6 из следующего фрейма данных.
exc_data = {‘name’: [‘Анастасия’, ‘Дима’, ‘Кэтрин’, ‘Джеймс’, ‘Эмили’, ‘Майкл’, ‘Мэтью’, ‘Лаура’, ‘Кевин’, ‘Джонас’],
‘оценка’: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np. nan, 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да ‘,’ нет ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘]}
label = [‘ a ‘ , ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Выберите определенные столбцы и строки:
оценка соответствует
b 9.0 нет
d NaN нет
f 20.0 да
g 14.5 да
Щелкните меня, чтобы увидеть образец решения

7. Напишите программу Pandas, чтобы выбрать строки, в которых количество попыток в экзамене превышает 2. Перейдите к редактор
Пример данных словаря Python и подписи к списку:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, ‘Michael ‘,’ Мэтью ‘,’ Лаура ‘,’ Кевин ‘,’ Джонас ‘],
‘ score ‘: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan, 8 , 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’, ‘ нет ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘]}
label = [‘ a ‘,’ b ‘,’ c ‘,’ d ‘,’ e ‘,’ f ‘,’ g ‘,’ h ‘,’ i ‘,’ j ‘]
Exp ected Вывод:
Количество попыток на экзамене больше 2:
количество попыток соответствует критериям
b Dima 9.0 3 no
d James NaN 3 no
f Майкл 20.0 3 да
Щелкните меня, чтобы увидеть образец решения

8. Напишите программа Pandas для подсчета количества строк и столбцов в DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Число строк: 10
Количество столбцов: 4
Щелкните меня, чтобы увидеть пример решения

9. Напишите программу Pandas для выбора строк, в которых отсутствует оценка, т.е. NaN. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, подписи = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’ , ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Строки, в которых отсутствует оценка:
имя попыток соответствует оценке
d 3 James no NaN
h 1 Laura no NaN
Щелкните меня, чтобы увидеть пример решения

10. Напишите панды Программа для выбора строк набирает балл от 15 до 20 (включительно). Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, подписи = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’ , ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Строки с оценкой от 15 до 20 (включительно):
попытки указать название оценки
c 2 Кэтрин да 16,5
f 3 Майкл да 20,0
j 1 Джонас да 19,0
Щелкните меня, чтобы увидеть образец решения

11. Напишите программу Pandas для выбора строк, в которых количество попыток в экзамене меньше 2, а оценка больше 15. Перейдите в редактор
Пример данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anasta sia ‘,’ Дима ‘,’ Кэтрин ‘,’ Джеймс ‘,’ Эмили ‘,’ Майкл ‘,’ Мэтью ‘,’ Лаура ‘,’ Кевин ‘,’ Джонас ‘],
‘ score ‘: [ 12,5, 9, 16,5, нп.нан, 9, 20, 14,5, нп. nan, 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да ‘,’ нет ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘]}
label = [‘ a ‘ , ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, labels = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f ‘,’ g ‘,’ h ‘,’ i ‘,’ j ‘]
Ожидаемый результат:
Количество попыток на экзамене меньше 2, а количество баллов больше 15:
попытки оценки имени соответствуют критериям
j Jonas 19.0 1 да
Щелкните меня, чтобы увидеть пример решения

12. Напишите Программа Pandas для изменения результата в строке ‘d’ на 11,5. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Изменение оценка в строке ‘d’ до 11,5:
попытки имя квалифицировать оценку
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
c 2 Катерина да 16,5

i 2 Кевин нет 8,0
j 1 Джонас да 19,0
Щелкните меня, чтобы увидеть образец решения

13. Напишите программу Pandas, чтобы подсчитать сумму попыток учащихся на экзаменах. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Сумма попыток учащихся на экзаменах:
19
Щелкните меня, чтобы увидеть образец решения

14. Напишите программу Pandas для расчета среднего балла для каждого студента в DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Среднее оценка для каждого студента во фрейме данных:
13.5625
Щелкните меня, чтобы увидеть образец решения

15. Напишите панды программа для добавления новой строки «k» к фрейму данных с заданными значениями для каждого столбца. Теперь удалите новую строку и верните исходный DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Значения для каждого столбца будут:
имя: «Суреш», оценка: 15,5, попытки: 1, квалификация: «да», метка: «k»
Ожидаемый результат:
Добавить новую строку:
Распечатать все записи после вставки новой записи:
попыток назвать квалификационный балл
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
……
j 1 Йонас да 19,0
k 1 Суреш да 15.5
Удалить новую строку и отобразить исходные строки:
имя попыток соответствует оценке
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
……..
i 2 Кевин нет 8,0
j 1 Йонас да 19.0
Щелкните меня, чтобы увидеть пример решения

16. Напишите программу Pandas для сортировки DataFrame сначала по «имени» в порядке убывания , затем по количеству очков в возрастающем порядке. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np. nan, 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да ‘,’ нет ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘]}
label = [‘ a ‘ , ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Значения для каждого столбца будут:
имя: «Суреш», оценка: 15,5, попытки: 1, квалификация: «да», метка: «k»
Ожидаемый результат:
Исходные строки:
имя оценка попытки квалифицируются
a Анастасия 12,5 1 да
b Дима 9,0 3 нет
c Кэтрин 16,5 2 да
d Джеймс NaN 3 нет
e Эмили 9,0 2 нет
f Майкл 20,0 3 да
g Мэтью 14,5 1 да
h Лаура NaN 1 нет
i Кевин 8,0 2 нет
j Йонас 19,0 1 да
Сортировать фрейм данных сначала по «имени» в порядке убывания, затем по «баллу» в порядке возрастания:
попытки оценки имени соответствуют критериям
a Анастасия 12,5 1 да
b Дима 9.0 3 нет
c Кэтрин 16.5 2 да
d Джеймс NaN 3 нет
e Эмили 9.0 2 нет
f Майкл 20.0 3 да
g Матфей 14,5 1 да
h Лаура NaN 1 нет
i Кевин 8,0 2 нет
j Джонас 19 .0 1 да
Щелкните меня, чтобы увидеть пример решения

17. Напишите программу Pandas, чтобы заменить столбец ‘qualify’, содержащий значения «да» и «нет» с истиной и ложью. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Заменить столбец ‘qualify’ содержит значения ‘yes’ и ‘no’ с T
rue и False:
имя попытки квалифицировать оценку
a 1 Anastasia True 12,5
b 3 Dima False 9.0
……
i 2 Kevin False 8.0
j 1 Jonas True 19.0
Щелкните меня, чтобы увидеть пример решения

18. Напишите программу Pandas, чтобы изменить имя «Джеймс» на «Суреш» в столбце имени фрейма данных. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np. nan, 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да ‘,’ нет ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘,’ да ‘,’ нет ‘,’ нет ‘,’ да ‘]}
label = [‘ a ‘ , ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Измените имя «Джеймс» на ? Суреш ?:
попытки имя квалифицируют балл
a 1 Анастасия да 12,5
b 3 Дима нет 9,0
… ….
i 2 Кевин нет 8,0
j 1 Джонас да 19,0
Щелкните меня, чтобы увидеть образец решения

19. Напишите программу Pandas для удаления столбца «попытки» из DataFrame. Перейдите в редактор
Пример данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Удалить столбец «попытки» из фрейма данных:
имя квалифицирующий балл
a Анастасия да 12,5
b Дима нет 9,0
…..
i Kevin no 8.0
j Jonas yes 19.0
Щелкните меня, чтобы увидеть образец решения

20. Напишите программу для Pandas для вставки нового столбца в существующий DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
Новое DataFrame после вставки столбца ‘color’
пытается назвать квалифицирующим цветом цвет
a 1 Анастасия да 12,5 Красный
b 3 Дима нет 9,0 Синий
….. ..
i 2 Кевин нет 8,0 Зеленый
j 1 Джонас да 19,0 Красный
Щелкните меня, чтобы увидеть образец решения

21. Напишите программу Pandas для перебора строк в DataFrame.. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = [{‘name’: ‘Анастасия’, ‘score’: 12,5}, {‘name’: ‘Дима’, ‘score’: 9}, {‘name’: ‘Katherine’, ‘score’: 16,5}]
Ожидаемый результат:
Анастасия 12,5
Дима 9,0
Katherine 16.5
Щелкните меня, чтобы увидеть пример решения

22. Напишите программу Pandas для получения списка из заголовков столбцов DataFrame. Перейдите в редактор
Образец данных словаря Python и список ярлыков:
exc_data = {‘name’: [‘Anastasia’, ‘Dima’, ‘Katherine’, ‘James’, ‘Emily’, «Майкл», «Мэтью», «Лаура», «Кевин», «Джонас»],
«оценка»: [12,5, 9, 16,5, np.nan, 9, 20, 14,5, np.nan , 8, 19],
‘попытки’: [1, 3, 2, 3, 2, 3, 1, 1, 2, 1],
‘квалифицировать’: [‘да’ , ‘нет’, ‘да’, ‘нет’, ‘нет’, ‘да’, ‘да’, ‘нет’, ‘нет’, ‘да’]}
label = [‘a’, ‘b’, ‘c’, ‘d’, ‘e’, ​​’f’, ‘g’, ‘h’, ‘i’, ‘j’]
Ожидаемый результат:
[ ‘попытки’, ‘имя’, ‘квалификация’, ‘оценка’]
Щелкните меня, чтобы увидеть образец решения

23. Напишите Программа Pandas для переименования столбцов данного DataFrame. Перейдите в редактор.
Примеры данных:
Исходный DataFrame
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 9
Новый фрейм данных после переименования столбцов:
Столбец1 Столбец2 Столбец3
0 1 4 7
1 2 5 8
2 3 6 9
Щелкните меня, чтобы увидеть пример решения

24. Напишите программу Pandas, чтобы выбрать ro ws из заданного DataFrame на основе значений в некоторых столбцах. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Строки для значения colum1 == 4
col1 col2 col3
1 4 5 8
3 4 7 0
Щелкните меня, чтобы увидеть пример решения

25. Напишите программу Pandas, чтобы изменить порядок столбцов DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
После изменения col1 и col3
col3 col2 col1
0 7 4 1
1 8 5 4
2 9 6 3
3 0 7 4
4 1 8 5
Щелкните меня, чтобы увидеть образец решения

26. Напишите программу Pandas для добавления одной строки в существующий DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
После добавления одной строки:
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
5 10 11 12
Щелкните мне посмотреть пример решения

27. Напишите программу Pandas для записи DataFrame в файл CSV с использованием разделителя табуляции. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Данные из файла new_file.csv:
col1 tcol2 tcol3
0 1 t4 t7
1 4 t5 t8
2 3 t6 t9
3 4 t7 t0
4 5 t8 t1
Щелкните меня, чтобы увидеть пример решения

28. Напишите программу Pandas для подсчета количества людей по городу из заданного набора данных (город , имя человека). Перейдите в редактор
Примеры данных:
город Количество человек
0 Калифорния 4
1 Джорджия 2
2 Лос-Анджелес 4
Щелкните меня, чтобы увидеть образец решения

29. Напишите программу Pandas для удаления строки (строк) DataFrame на основе заданного значения столбца. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Новый фрейм данных
col1 col2 col3
0 1 4 7
2 3 6 9
3 4 7 0
4 5 8 1
Щелкните меня, чтобы увидеть образец решения

30 . Напишите программу Pandas, чтобы расширить отображение вывода, чтобы увидеть больше столбцов. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Щелкните меня, чтобы увидеть пример решения

31. Напишите программу Pandas для выбора строки серии/фрейма данных по заданному целочисленному индексу. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Индекс-2: Подробности
col1 col2 col3
2 3 6 9
Щелкните меня, чтобы увидеть пример решения

32. Напишите программу Pandas для замены всех значений NaN нулями в столбце фрейма данных. Заходим в редактор
Примеры данных:
Original DataFrame
попытки имя квалифицируем балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Новый DataFrame, заменяющий все NaN на 0:
попытки имя квалифицируют оценку
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет 0,0
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лора нет 0,0
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Щелкните меня, чтобы увидеть пример решения

33. Напишите программу Pandas для преобразования индекса в столбце данного фрейма данных. Заходим в редактор
Примеры данных:
Original DataFrame
попытки имя квалифицируем балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19. 0
После преобразования индекса в столбец:
имя попытки индекса квалифицировать оценку
0 0 1 Анастасия да 12,5
1 1 3 Дима нет 9,0
2 2 2 Кэтрин да 16,5
3 3 3 Джеймс нет NaN
4 4 2 Эмили нет 9,0
5 5 3 Майкл да 20,0
6 6 1 Мэтью да 14,5
7 7 1 Лаура нет NaN
8 8 2 Кевин нет 8,0
9 9 1 Джонас да 19,0
Индекс скрытия:
попытки индекса имя соответствуют оценка
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9.0
5 3 Майкл да 20.0
6 1 Мэтью да 14.5
7 1 Лаура нет NaN
8 2 Кевин нет 8.0
9 1 Джонас да 19.0
Щелкните меня, чтобы увидеть пример решения

34. Напишите программу Pandas, чтобы установить заданное значение для конкретной ячейки в DataFrame, используя значение индекса . Заходим в редактор
Примеры данных:
Original DataFrame
попытки имя квалифицируем балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Установить заданное значение для конкретной ячейки в DataFrame
имя попыток квалификационный балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9.0
5 3 Майкл да 20.0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 10,2
9 1 Джонас да 19.0
Щелкните меня, чтобы увидеть пример решения

35. Напишите программу Pandas для подсчета значений NaN в одном или нескольких столбцах в DataFrame . Заходим в редактор
Примеры данных:
Original DataFrame
попытки имя квалифицируем балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Количество значений NaN в одном или нескольких столбцах:
2
Щелкните меня, чтобы увидеть пример решения

36. Напишите программу Pandas для удаления списка строк из указанного DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 4 5 8
2 3 6 9
3 4 7 0
4 5 8 1
Новый фрейм данных после удаления 2-й и 4-й строк:
col1 col2 col3
0 1 4 7
1 4 5 8
3 4 7 0
Щелкните меня, чтобы увидеть образец решения

37. Напишите программу Pandas для сброса индекса в заданном DataFrame. Заходим в редактор
Примеры данных:
Original DataFrame
попытки имя квалифицируем балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
После удаления первой и второй строк
попытки присвоить имя квалифицируемому счету
2 2 Кэтрин да 16. 5
3 3 Джеймс нет NaN
4 2 Эмили нет 9.0
5 3 Майкл да 20.0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Сброс индекса:
попытки индекса имя квалифицируют оценку
0 2 2 Кэтрин да 16,5
1 3 3 Джеймс нет NaN
2 4 2 Эмили нет 9,0
3 5 3 Майкл да 20,0
4 6 1 Мэтью да 14,5
5 7 1 Лаура нет NaN
6 8 2 Кевин нет 8,0
7 9 1 Джонас да 19,0

Щелкните меня, чтобы увидеть образец решения

38. Напишите программу Pandas для разделения DataFrame в заданном соотношении. Перейдите в редактор
Примеры данных:
Исходный DataFrame:
0 1
0 0,316147 -0,767359
1 -0,813410 -2,522672
2 0,869615 1,194704
3 -0,892915 -0,055133
4 -0,341126 0.518266
5 1.857342 1.361229
6-0.044353 -1.205002
7-0.726346 -0.535147
8 -1.350726 0.563117
9 1.051666 -0.441533
70% указанного DataFrame:
0 1
8 -1,350726 0,563117
2 0,869615 1,194704
5 1.857342 1.361229
6 -0.044353 -1.205002
3 -0.892915 -0.055133
1 -0.813410 -2.522672
0 0.316147 -0.767359
30 % указанного DataFrame:
0 1
4 -0,341126 0,518266
7-0,726346 -0,535147
9 1,051666 -0,441533
Щелкните меня, чтобы увидеть пример решения

39. Напишите программу Pandas для объединения двух серий в DataFrame. Перейдите в редактор
Примеры данных:
Серия данных:
0100
1 200
2 python
3 300.12
4 400
dtype: объект
0 10
1 20
2 php
3 30,12
4 40
dtype: object
Новый DataFrame, объединяющий две серии:
0 1
0100 10
1200 20
2 python php
3 300,12 30,12
4 400 40
Щелкните меня, чтобы увидеть образец решения

40. Напишите программу для Pandas для перемешивания заданных строк DataFrame. Перейти в редактор
Примеры данных:
Исходный DataFrame:
попытки имя квалифицировать балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
2 2 Кэтрин да 16,5
3 3 Джеймс нет NaN
4 2 Эмили нет 9,0
5 3 Майкл да 20,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
8 2 Кевин нет 8,0
9 1 Йонас да 19,0
Новый фрейм данных:
попытки имя квалифицировать оценку
5 3 Майкл да 20,0
0 1 Анастасия да 12,5
9 1 Йонас да 19,0
6 1 Мэтью да 14,5
7 1 Лаура нет NaN
1 3 Дима нет 9.0
3 3 Джеймс нет NaN
4 2 Эмили нет 9.0
8 2 Кевин нет 8,0
2 2 Кэтрин да 16,5

Щелкните меня, чтобы увидеть пример решения

41. Напишите программу Pandas для преобразования типа столбца DataFrame из строки в datetime.
Перейти в редактор
Примеры данных:
Строка Дата:
0 3/11/2000
1 3/12/2000
2 13.03.2000
dtype: object
Исходный фрейм данных (строка для даты и времени):
0
0 11.03.2000
1 2000 -03 -12
2 2000-03-13
Щелкните меня, чтобы увидеть пример решения

42. Напишите программу Pandas для переименования определенного имени столбца в заданном DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 9
Новый фрейм данных после переименования второго столбца:
col1 Column2 col3
0 1 4 7
1 2 5 8
2 3 6 9
Щелкните меня, чтобы увидеть пример решения

43. Напишите программу Pandas, чтобы получить список указанного столбца DataFrame. Перейдите в редактор
Примеры данных:
На основе
Original DataFrame
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 9
Столбец 2 фрейма данных для перечисления:
[4, 5, 6]
Щелкните меня, чтобы увидеть пример решения

44. Напишите программу Pandas для создания DataFrame из массива Numpy и укажите столбец индекса и заголовки столбцов. Перейдите в редактор
Пример вывода:
Column1 Column2 Column3
Index1 0 0,0 0,0
Index2 0 0,0 0,0
Index3 0 0,0 0,0
………
Index12 0 0,0 0,0
Index13 0 0,0 0,0
Index14 0 0,0 0,0
Index15 0 0,0 0,0
Щелкните меня, чтобы увидеть образец решения

45. Напишите программу Pandas, чтобы найти строку, для которой значение данного столбца является максимальным. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Строка, в которой col1 имеет максимальное значение:
4
Строка, где col2 имеет максимальное значение значение:
3
Строка, в которой col3 имеет максимальное значение:
2
Щелкните меня, чтобы увидеть пример решения

46. Напишите программу Pandas, чтобы проверить, присутствует ли данный столбец в DataFrame или нет. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Col4 отсутствует в DataFrame.
Col1 присутствует в DataFrame.
Щелкните меня, чтобы увидеть образец решения

47. Напишите программу Pandas, чтобы получить указанное значение строки данного DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Значение строки
col1 1
col2 4
col3 7
Имя: 0, dtype: int64
Значение строки 4
col1 4
col2 9
col3 1
Имя: 3 , dtype: int64
Щелкните меня, чтобы увидеть пример решения

48. Напишите программу Pandas для получения типов данных столбцов DataFrame. Перейти в редактор
Примеры данных:
Исходный DataFrame:
попытки имя квалифицировать оценку
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
…….
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Типы данных столбцов указанного DataFrame:
попытки int64
name object
квалифицировать объект
score float64
dtype: object
Щелкните меня, чтобы увидеть пример решения

49. Напишите программу Pandas для добавления данных в пустой DataFrame.. Перейдите в редактор
Примеры данных:
Исходный фрейм данных:
После добавления некоторых данных:
col1 col2
0 0 0
1 1 1
2 2 2
Щелкните меня, чтобы увидеть пример решения

50. Напишите программу Pandas для сортировки заданный DataFrame двумя или более столбцами. Перейти в редактор
Примеры данных:
Исходный DataFrame:
попытки имя квалифицировать балл
0 1 Анастасия да 12,5
1 3 Дима нет 9,0
……..
8 2 Кевин нет 8,0
9 1 Джонас да 19,0
Сортировка вышеуказанного DataFrame по попыткам, имя:
попыток название квалификационный балл
0 1 Анастасия да 12,5
9 1 Йонас да 19,0
7 1 Лаура нет NaN
6 1 Мэтью да 14,5
4 2 Эмили нет 9.0
2 2 Кэтрин нет 16,5
8 2 Кевин нет 8,0
1 3 Дима нет 9.0
3 3 Джеймс нет NaN
5 3 Майкл да 20.0
Щелкните меня, чтобы увидеть пример решения

51. Напишите программу Pandas для преобразования типа данных заданного столбца ( плавает в целые). Перейти в редактор
Примеры данных:
Исходный DataFrame:
попытки имя квалифицировать оценку
0 1 Анастасия да 12,50
1 3 Дима нет 9,10
……
8 2 Кевин нет 8.80
9 1 Джонас да 19.13
Типы данных столбцов указанного DataFrame:
попытки int64
name object
квалифицировать объект
score float64
dtype: object
Теперь измените тип данных столбца ‘score’ с float на int :
попытки название квалификационный балл
0 1 Анастасия да 12
1 3 Дима нет 9
2 2 Катерина да 16
3 3 Джеймс нет 12
4 2 Эмили нет 9
5 3 Майкл да 20
6 1 Мэтью да 14
7 1 Лаура нет 11
8 2 Кевин нет 8
9 1 Джонас да 19
Типы данных столбцов DataFrame сейчас:
попытки int64
name object
квалифицировать объект
score int64
dtype: object
Щелкните меня, чтобы увидеть пример решения

52. Напишите программу Pandas для удаления бесконечного числа значения из заданного DataFrame. Перейдите в редактор
Примеры данных:
Исходный фрейм данных:
0
0 1000.000000
1 2000.000000
2 3000.000000
3 -4000.000000
4 inf
5 -inf
Удаление бесконечных значений:
0
0 1000.0
1 2000.0
2 3000.0
3 -4000.0
4 NaN
5 NaN
Щелкните меня, чтобы увидеть пример решения

53. Напишите программу Pandas для вставки заданного столбца в определенный индекс столбца в DataFrame. Перейдите в редактор
Примеры данных:
Original DataFrame
col2 col3
0 4 7
1 5 8
2 6 12
3 9 1
4 5 11
Новый фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Щелкните меня, чтобы увидеть пример решения

54. Напишите программу Pandas для преобразования заданного списка списков в Dataframe. Перейдите в редактор
Примеры данных:
Исходный список списков:
[[2, 4], [1, 3]]
Новый DataFrame
col1 col2
0 2 4
1 1 3
Щелкните меня, чтобы увидеть пример решения

55. Напишите программу Pandas для группировки по первому столбцу и получения второго столбца в виде списков в строках. Перейдите в редактор
Примеры данных:
Исходный фрейм данных
col1 col2
0 C1 1
1 C1 2
2 C2 3
3 C2 3
4 C2 4
5 C3 6
6 C2 5
Группа по столбцу col1:
col1
C1 [1, 2]
C2 [3, 3, 4, 5]
C3 [6]
Имя: col2, dtype: object
Щелкните меня, чтобы увидеть образец решения

56. Напишите программу Pandas, чтобы получить индекс столбца из имени столбца данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Индекс ‘col2’
1
Щелкните меня, чтобы увидеть пример решения

57. Напишите программу Pandas для подсчета количества столбцов в DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Количество столбцов:
3
Щелкните меня, чтобы увидеть пример решения

58. Напишите программу Pandas для выбора всех столбцов, кроме одного заданного столбца в DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 12
3 4 9 1
4 7 5 11
Все столбцы, кроме ‘col3’:
col1 col2
0 1 4
1 2 5
2 3 6
3 4 9
4 7 5
Щелкните меня, чтобы увидеть пример решения

59. Напишите программу Pandas для получения первых n записей DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
Первые 3 строки указанного DataFrame ‘:
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
Щелкните меня, чтобы увидеть пример решения

60. Напишите программу Pandas для получения последних n записей DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
Последние 3 строки указанного DataFrame ‘:
col1 col2 col3
3 4 9 12
4 7 5 1
5 11 0 11
Щелкните меня, чтобы увидеть пример решения

61. Напишите программу Pandas, чтобы получить n самых верхних записей в каждой группе DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
n самых верхних записей в каждой группе DataFrame:
col1 col2 col3
5 11 0 11
4 7 5 1
3 4 9 12
col1 col2 col3
3 4 9 12
2 3 6 8
1 2 5 5
4 7 5 1
col1 col2 col3
3 4 9 12
5 11 0 11
2 3 6 8
Щелкните меня, чтобы увидеть пример решения

62. Напишите программу Pandas для удаления первых n строки данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
После удаления первых 3 строк указанного DataFrame:
col1 col2 col3
3 4 9 12
4 7 5 1
5 11 0 11
Щелкните меня, чтобы увидеть пример решения

63. Напишите программу Pandas для удаления последних n строк данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
После удаления последних 3 строк указанного DataFrame:
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
Щелкните меня, чтобы увидеть пример решения

64. Напишите программу Pandas для добавления префикса или суффикса ко всем столбцам данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
WXYZ
0 68 78 84 86
1 75 85 94 97
2 86 96 89 96
3 80 80 83 72
4 66 86 86 83
Добавить префикс:
A_W A_X A_Y A_Z
0 68 78 84 86
1 75 85 94 97
2 86 96 89 96
3 80 80 83 72
4 66 86 86 83
Добавить суффикс:
W_1 X_1 Y_1 Z_1
0 68 78 84 86
1 75 85 94 97
2 86 96 89 96
3 80 80 83 72
4 66 86 86 83
Щелкните меня, чтобы увидеть пример решения

65. Напишите программу Pandas в обратном порядке (строки , столбцы) данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
WXYZ
0 68 78 84 86
1 75 85 94 97
2 86 96 89 96
3 80 80 83 72
4 66 86 86 83
Обратный порядок столбцов:
ZYXW
0 86 84 78 68
1 97 94 85 75
2 96 89 96 86
3 72 83 80 80
4 83 86 86 66
Обратный порядок строк:
WXYZ
4 66 86 86 83
3 80 80 83 72
2 86 96 89 96
1 75 85 94 97
0 68 78 84 86
Обратный порядок строк и сброс индекса:
WXYZ
0 66 86 86 83
1 80 80 83 72
2 86 96 89 96
3 75 85 94 97
4 68 78 84 86
Щелкните меня, чтобы увидеть образец решения

66 . Напишите программу Pandas для выбора столбцов по типу данных данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
имя дата_врождения возраст
0 Альберто Франко 17.05.2002 18,5
1 Джино Макнейл 16 /02/1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 11.05.2002 22,0
4 Сайед Уортон 15.09.1997 23,0
Выберите числовые столбцы
возраст
0 18,5
1 21,2
2 22,5
3 22,0
4 23,0
Выберите строковые столбцы
имя дата_ рождения
0 Альберто Франко 17.05.2002
1 Джино Макнейл 16.02.1999
2 Райан Паркс 25.09.1998
3 Иша Хинтон 11.05.2002
4 Сайед Уортон 15.09.1997
Щелкните меня, чтобы увидеть образец решения

67. Напишите программу Pandas, чтобы разделить данный DataFrame на два случайных подмножества.. Перейдите в редактор.
Пример вывода:
Исходный фрейм данных и форма:
имя дата_ рождения возраст
0 Альберто Франко 17.05.2002 18
1 Джино Макнейл 16.02.1999 21
2 Райан Паркс 25.09.1998 22
3 Иша Хинтон 05.11.2002 22
4 Сайед Уортон 15.09.1997 23
(5, 3)
Подмножество-1 и форма:
имя дата_ рождения возраст
1 Джино Макнейл 16.02.1999 21
4 Сайед Wharton 15.09.1997 23
2 Райан Паркс 25.09.1998 22
(3, 3)
Подмножество-2 и форма:
имя дата_вр_врождения
0 Альберто Франко 17.05.2002 18
3 Иеша Хинтон 11.05.2002 22
(2, 3)
Щелкните меня, чтобы увидеть пример решения

68. Напишите программу Pandas для переименования всех столбцов с тем же шаблоном данного DataFrame. Перейдите в редактор
Образец вывода:
Исходный фрейм данных
Имя Дата_Вр_Возраст
0 Альберто Франко 17.05.2002 18,5
1 Джино Макнейл 16 /02/1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 11.05.2002 22,0
4 Сайед Уортон 15.09.1997 23,0
Удалите завершающую (в конце) белую строку и преобразуйте ее в нижний регистр имени столбца
name date_of_birth age
0 Альберто Франко 17.05.2002 18,5
1 Gino Mcneill 16/ 02/1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 05.11.2002 22,0
4 Сайед Уортон 15.09.1997 23,0
Щелкните меня, чтобы увидеть образец решения

69. Напишите программу Pandas для объединения наборов данных и проверки уникальности. Перейдите в редактор.
Образец вывода:
Исходный фрейм данных:
Имя Дата_Вр_рождения
0 Альберто Франко 17.05.2002 18,5
1 Джино Макнейл 16.02.1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 05.11.2002 22,0
4 Сайед Уортон 15.09.1997 23,0
Новые фреймы данных:
Имя Date_Of_Возраст рождения
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 11.05.2002 22,0
4 Сайед Уортон 15.09.1997 23.0
Имя Дата_Возраст рождения
0 Альберто Франко 17.05.2002 18.5
1 Джино Макнейл 16.02.1999 21.2
3 Иеша Хинтон 05.11.2002 22.0
4 Syed Wharton 15.09.1997 23.0
«one_to_one»: проверьте, уникальны ли ключи слияния как в левом, так и в правом наборах данных: «
Имя Date_Of_Birth Возраст
0 Eesha Hinton 11.05.2002 22.0
1 Syed Wharton 15.09.1997 23.0
«one_to_many» или «1: m»: проверьте уникальность ключей слияния в левом наборе данных:
Имя Дата_Of_ Возраст рождения
0 Иеша Хинтон 11.05.2002 22.0
1 Сайед Уортон 15.09.1997 23.0
«any_to_one» или » m: 1 «: проверьте, есть ли m Ключи erge уникальны в правом наборе данных:
Имя Date_Of_Birth Age
0 Eesha Hinton 11.05.2002 22.0
1 Syed Wharton 15.09.1997 23.0
Щелкните мне, чтобы увидеть пример решения

70. Напишите программу Pandas для преобразования непрерывных значений столбца в данном DataFrame в категориальные. Перейдите в редактор
Ввод:
{‘Имя’: [‘Альберто Франко’, ‘Джино Макнейл’, ‘Райан Паркс’, ‘Иша Хинтон’, ‘Сайед Уортон’],
‘Возраст’: [18, 22, 40, 50, 80, 5]}
Вывод:
Возрастная группа:
0 детей
1 взрослый
2 пожилых
3 взрослых
4 пожилых
5 детей
Имя: age_groups, dtype: category
Категории (3, объект ): [дети Щелкните меня, чтобы увидеть пример решения

71. Напишите программу Pandas для отображения использования памяти заданным DataFrame и каждым столбцом DataFrame. Перейдите в редактор.
Пример вывода:
Исходный фрейм данных:
Имя Дата_Возраст_рождения
0 Альберто Франко 17.05.2002 18,5
1 Джино Макнейл 16.02.1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 05.11.2002 22,0
4 Сайед Уортон 15.09.1997 23,0
Глобальное использование памяти DataFrame:

RangeIndex: 5 записей, от 0 до 4
Столбцы данных (всего 3 столбца):
Имя 5 ненулевой объект
Date_Of_Birth 5 ненулевой объект
Возраст 5 ненулевой float64
dtypes: float64 (1), объект (2)
Использование памяти: 801,0 байта
Нет
Использование памяти каждого столбца указанного DataFrame:
Индекс 80
Имя 346
Date_Of_Birth 335
Age 40
dtype: int64
Щелкните меня, чтобы увидеть пример решения

72. Напишите программу Pandas, чтобы объединить множество заданных серий для создания DataFrame. Перейдите в редактор
Пример вывода:
Исходная серия:
0 php
1 python
2 java
3 c #
4 c ++
dtype: object
0 1
1 2
2 3
3 4
4 5
dtype: int64
Объедините вышеуказанные серии с фреймом данных:
index 0
0 1 python
1 2 java
2 3 c #
3 4 c ++
4 5 NaN
Использование pandas concat:
0 1
0 php 1
1 python 2
2 java 3
3 c # 4
4 c ++ 5
Использование pandas DataFrame со словарем дает определенное имя столбцам:
col1 col2
0 php 1
1 python 2
2 java 3
3 c # 4
4 c ++ 5
Щелкните меня, чтобы увидеть пример решения

73. Напишите программу Pandas для создания DataFrames, которые содержат случайные значения, содержат пропущенные значения, содержат значения даты и времени и содержат смешанные значения. Перейдите в редактор
Пример вывода:
DataFrame: содержит случайные значения:
ABCD
Dog2w4Dv4l 0.591058 1.883454 -1.608613 -0.502516
kV7mfdFcF9 0.629642 -0.474377 0.567357 1.658445
…….
DataFrame: содержит отсутствующие значения:
ABCD
i6i6Xn9l9c -0.299335 0.410871 -0.431840 -0.302177
OGo5KNNYNJ -0.174594 -1.366146 0.435063 -2.779446
u0mG9q1L7C 1.019094 -0.061077 -1.138138 -0.218460
RNJGqpci4o -0.380815 0.189970 -2.148521 -1.163589 0. …….
DataFrame: содержит значения даты и времени:
ABCD
2000-01-03 0,665402 0,860808 -0,180986 -0,970889
2004-01-04 -1,511533 0,487539 -0,710355 -0. 807816
2000-01-05 -0.773294 0.197918 -1.214035 1.049529
2000-01-06 -1.074894 1.774147 -0.620025 0.740779
…….
DataFrame: содержит смешанные значения:
ABCD
0 0,0 0,0 foo1 2009-01-01
1 1,0 1,0 foo2 2009-01-02
2 2,0 0,0 foo3 2009 -01-05
3 3.0 1.0 foo4 2009-01-06
4 4.0 0.0 foo5 2009-01-07

Щелкните меня, чтобы увидеть пример решения

74. Напишите программу Pandas для заполнения отсутствующих значений в данных временных рядов. Перейти в редактор
Из Википедии, в математической области численного анализа, интерполяция — это тип оценки, метод построения новых точек данных в диапазоне дискретного набора известных точек данных.
Пример вывода:
Исходный фрейм данных:
c1 c2
2000-01-03 120.0 7.0
2000-01-04 130.0 NaN
2000- 01-05 140.0 10.0
2000-01-06 150.0 NaN
2000-01-07 NaN 5.5
2000-01-10 170.0 16.5
DataFrame после интерполяции:
c1 c2
2000-01-03 120.0 7.00
2000-01-04 130.0 8.50
2000-01-05 140.0 10.00
2000- 01-06 150.0 7.75
2000-01-07 160.0 5.50
2000-01-10 170.0 16.50
Щелкните меня, чтобы увидеть образец решения

75. Напишите программу Pandas для использования локальной переменной в запросе. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
WXYZ
0 68 78 84 86
1 75 85 94 97
2 86 96 89 96
3 80 80 83 72
4 66 86 86 83
Значения, которые меньше максимального значения столбца ‘W’
WXYZ
0 68 78 84 86
1 75 85 94 97
3 80 80 83 72
4 66 86 86 83
Щелкните меня, чтобы увидеть образец решения

76. Напишите программу Pandas для очистки столбца объекта со смешанными данными данного DataFrame с использованием регулярного выражения. Перейдите в редактор
Пример вывода:
Исходный фрейм данных:
покупка агента
0 a001 4500
1 a002 7500
2 a003 $ 3000,25
3 a003 $ 1250,35
4 a004 9000.00
Типы данных:
0
1
2
3
4
Имя: покупка, dtype: объект
Новые типы данных:
0
1
2
3
4
Имя: покупка, dtype: object
Щелкните меня, чтобы увидеть пример решения

77. Напишите программу Pandas для получения числового представления массива путем определения различных значений данного столбца фрейма данных. Перейдите в редактор.
Образец вывода:
Исходный фрейм данных:
Имя Дата_Вр_рождения
0 Альберто Франко 17.05.2002 18,5
1 Джино Макнейл 16.02.1999 21,2
2 Райан Паркс 25.09.1998 22,5
3 Иша Хинтон 05.11.2002 22,0
4 Джино Макнейл 15.09.1997 23. 0
Числовое представление массива путем определения различных значений:
[0 1 2 3 1]
Индекс ([‘Альберто Франко’, ‘Джино Макнейл’, ‘Райан Паркс’ , ‘Eesha Hinton’], dtype = ‘object’)
Щелкните меня, чтобы увидеть пример решения

78. Напишите программу Pandas для заменить текущее значение в столбце фрейма данных на основе последнего наибольшего значения. Если текущее значение меньше последнего наибольшего значения, значение заменяется на 0. Перейдите в редактор
Тестовые данные:
rnum
0 23
1 21
2 27
3 22

10 34
11 19
12 31
13 32
14 19
Пример вывода:
Исходный фрейм данных:
rnum
0 23
1 21
2 27
3 22

10 34
11 19
12 31
13 32
14 19
Заменить текущее значение в столбце фрейма данных на основе последнего наибольшего значения:
rnum
0 23
1 0
2 27
3 0

10 34
11 0
12 0
13 0
14 0
Щелкните меня, чтобы увидеть пример решения

79. Напишите программу Pandas для создания DataFrame из буфера обмена (данные из Excel электронную таблицу или таблицу Google). Перейдите в редактор
Образец данных Excel:

Пример вывода:
Данные из буфера обмена в DataFrame:
1 2 3 4
0 2 3 4 5
1 4 5 1 0
2 2 3 7 8
Щелкните меня, чтобы увидеть пример решения

80. Напишите программу Pandas для проверки неравенства двух заданных DataFrames. Перейдите в редактор
Пример вывода:
Исходные фреймы данных:
WXYZ
0 68.0 78.0 84 86
1 75.0 85.0 94 97
2 86.0 NaN 89 96
3 80.0 80.0 83 72
4 NaN 86.0 86 83
WXYZ
0 78.0 78 84 86
1 75.0 85 84 97
2 86.0 96 89 96
3 80.0 80 83 72
4 NaN 76 86 83
Проверьте неравенство указанных фреймов данных:
WXYZ
0 Истина Ложь Ложь Ложь
1 Ложь Ложь Истина Ложь
2 Ложь Истина Ложь Ложь
3 Ложь Ложь Ложь Ложь
4 Истина Истина Ложь Ложь
Щелкните меня, чтобы увидеть пример решения

81. Напишите программу Pandas, чтобы получить n записей с наименьшим числом в каждой группе данного DataFrame. Перейдите в редактор
Пример вывода:
Исходный фрейм данных
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
3 4 9 12
4 7 5 1
5 11 0 11
Наименьшие n записей в каждой группе DataFrame:
col1 col2 col3
0 1 4 7
1 2 5 5
2 3 6 8
col1 col2 col3
5 11 0 11
0 1 4 7
1 2 5 5
col1 col2 col3
4 7 5 1
1 2 5 5
0 1 4 7
Щелкните меня, чтобы увидеть пример решения

Редактор кода Python:

Еще впереди!

Не отправляйте здесь решения вышеупомянутых упражнений, если вы хотите внести свой вклад, перейдите на соответствующую страницу упражнений.

Проверьте свои навыки Python с помощью викторины w3resource

Оцените статью
nanomode.ru
Добавить комментарий